共查询到20条相似文献,搜索用时 0 毫秒
1.
2.
逆向工程中的数据点云的分割 总被引:2,自引:0,他引:2
逆向工程中由数据点云构建物体表面模型中,对数据点云恰当的分割是表面建模的一个很重要步骤。文中以激光-机器视觉测量方式得到的曲面数据云为基础,探讨了曲面密集三维散乱点群数据的分割技术。根据激光测量方式和三维点群分布的特点,建立了在计算机中表示散乱点群数据结构。建立树形空间结构完成对密集散乱点群进行空间分割,由此实现对散乱点群数据的几何分割。 相似文献
3.
4.
面向逆向工程的点云数据精简方法 总被引:6,自引:0,他引:6
近年来,激光扫描技术有了重大的进展,3D激光扫描设备的精度越来越高,数据的捕获速度急剧增加,其每秒产生成千上万个数据点,这一巨大的数据量成为数据计算和存储的负担。因而,一个相当重要的问题就是,将这些巨大的数据进行精简,同时维持数据原有的精度。详细介绍了目前国内外在点云数据精简方面研究的一系列方法,并对它们的特点和使用场合进行详细的比较。 相似文献
5.
《机械工程与自动化》2017,(6)
通过分析现有数据处理方法,提出一种在拉格朗日乘数法基础上对曲线点云数据进行光顺的算法,通过该算法对采集得到的数据进行光顺处理,并通过实例验证了该算法的有效性,提高了采集数据的精确性。本研究旨在通过对螺旋曲面截面廓形的在机激光测量,提高螺杆转子的加工精度,从而使数控螺杆铣床加工的效率、精度、柔性得到进一步的提高。 相似文献
6.
7.
《机械工程与自动化》2016,(6)
以弹性体防毒面具面罩为研究对象,运用逆向工程技术,通过对面罩材质及结构的分析,确定了点云数据采集方案:利用三维扫描设备对弹性体的面罩进行扫描,使实物模型变为三维点云数据模型,并在CATIA软件中结合人机工程的理念完成面罩的逆向建模。该研究对具有复杂曲面的弹性体制件进行逆向工程提供了一些有益的探索。 相似文献
8.
9.
10.
11.
12.
点云数据的特征提取是逆向工程领域中的一项重要研究内容,为几何分析、数据分割、曲线匹配和拼接、曲面重建等几何处理提供依据,对后期精确的点云配准、模型重建等研究起关键作用。重点研究分析了基于法向量、曲率点特征直方图PFH和快速点特征直方图FPFH等不同点云特征描述参数的点云特征提取技术,为后续的研究和改进形成新的设计思路提供参考。 相似文献
13.
14.
15.
16.
逆向工程中,数据精简技术是进行曲面重构前的重要内容,文中在分析包围盒法和角度-弦差法的这两种精简方法特点的基础上,提出了基于这两种方法的改进型数据精简方法.最后对该算法的优缺点作了小结. 相似文献
17.
逆向工程中基于标签的点云数据采集与处理 总被引:1,自引:0,他引:1
针对光学扫描仪采集点云数据的特点,以犁体曲面为研究对象,引入圆形标签作为扫描时的识别点及多视拼接的基准点,经合理规划后获取点云数据。从噪声去除、多视拼接、数据平滑与精简等方面讨论了点云数据预处理方法,重点研究基于标签点的多视拼接,提出了人机交互模式下多视点云数据统一方法,实例表明拼接误差可控制在0.05 mm之内,运行时间可缩短30 s左右。并利用逆向工程软件Im ageware完成了犁体曲面的构建,为探索逆向工程在农机产品设计制造中的应用提供借鉴。 相似文献
18.
对于散乱点云模型上的大面积、跨面孔洞,逆向软件往往难以修补。为了提高孔洞修补精度、获得完整的点云模型,提出了对手受惩罚竞争学习算法(Rival penalized competitive learning,RPCL)和模糊C均值聚类算法(Fuzzy C-means,FCM)相结合的综合改进径向基函数神经网络(RBF)算法,建立了基于改进算法的点云孔洞修补模型,并以挖掘机斗齿和汽车模型为研究对象,利用RPCL-FCM-RBF联合算法对不同特征的点云孔洞进行了修补研究。结果表明,该算法在很大程度上提高了点云孔洞的修补精度,其补洞效果远优于逆向软件。而且,较之传统的RBF神经网络,该方法所建模型具有更高的预测精度、能够有效地调整洞口缺失数据、实现点云孔洞的精确修复,实用性强。 相似文献
19.
基于点云数据的复杂型面数字化检测技术研究 总被引:10,自引:0,他引:10
针对设计制造流程中复杂型面检测难的问题,建立了由数据获取、点云与计算机辅助设计模型匹配及偏差分析组成的数字化测量系统。采用格雷码加相移技术的三维非接触式光学测量技术,获取了待测零件的表面数据。为满足光学三角法要求,在测量机构中采用了定制光栅,提出了具有小扰动的改进最邻近点迭代算法进行点云与计算机辅助设计模型的准确匹配。在偏差分析中采用多分辨率层次分析法对测量点云与计算机辅助设计模型进行比较,为设计人员及时提供了精度分析数据,使设计制造检测成为一个反馈系统。以某型号轿车车灯配光镜为例,验证了该系统的可行性。 相似文献
20.
逆向工程中散乱点云的K邻域搜索算法研究 总被引:1,自引:0,他引:1
针对逆向工程中散乱点云的K邻域搜索,提出了一种快速、精确的散乱点云K邻域搜索算法。该算法根据点云包围盒的大小,点的总数以及邻域点的个数,采用二次空间划分的策略,以确定合适的立方体小栅格的梭长,从而保证立方体小栅格里点的个数相对均匀。然后,建立以采样点为中心的球体、该点到所对应的立方体小栅格环六壁的距离为半径的取值范围,依次增加该球体的半径,以球体内有K个点为中止条件,可以快速完成采样点的K邻域搜索。与已有算法相比,该算法具有较高的搜索效率。 相似文献